计量学报

作者：王芷薇,郭斌,胡晓峰,罗哉,段林茂

单位：中国计量大学 计量测试工程学院,浙江 杭州 310018

关键词：计量学; 内槽缺陷检测; 制动主缸; 全卷积网络; FCOS; 特征融合金字塔网络

基金：国家自然科学基金(51675499);国家自然科学基金重大科研仪器研制项目(51927811);浙江省先进制造技术重点实验室开发项目(2019KF01)

针对主缸内槽缺陷检测存在干扰因素复杂、检测精度低等难点,提出了一种基于全卷积单阶段神经网络(FCOS)的主缸内槽缺陷检测算法。利用特征融合金字塔网络进行特征提取并逐像素预测,得到缺陷种类,实现凹槽缺陷的自动检测。实验结果表明,FCOS网络对制动主缸内槽砂眼、划痕、振刀纹缺陷检测的平均精度均值分别为85.2％、87.5％、90.1％,精确度分别为0.98、0.89、0.95。实验结果与Mask R-CNN网络和Faster R-CNN网络的实验结果进行对比,FCOS网络具有更高的准确率,学习时长大幅度缩短,且满足实时检测要求。

来源：2021年第9期

《计量学报》期刊编辑部

查看计量学报杂志2021年第9期